/ /

MongoDB Search 和 Vector Search 索引

Overview

在本指南中，您可以学习；了解如何创建和管理MongoDB Search 和MongoDB Vector Search 索引。这些索引允许您使用以下功能：

MongoDB Search 和MongoDB Vector Search 索引指定要索引的字段、索引这些字段的方式，以及设立其他可选配置。

本指南介绍如何执行以下操作来管理MongoDB Search 和MongoDB Vector Search 索引：

创建搜索索引模型
创建搜索索引
创建多个搜索索引
搜索索引列表
更新搜索索引
删除搜索索引

注意

样本数据

本指南中的示例使用 sample_mflix数据库中的 embedded_movies集合，该数据库是Atlas示例数据集之一。有关导入Atlas示例数据的说明，请参阅Atlas文档中的加载样本数据。

创建搜索索引模型

要创建MongoDB Search索引，您必须首先构建一个用于设置索引规范的 SearchIndexModel实例。要开始构建 SearchIndexModel实例，请调用 SearchIndexModel::builder() 方法。

注意

实例化模型

Rust驱动程序实现了用于创建某些结构体类型（包括 SearchIndexModel）的 Builder 设计模式。您可以使用 builder() 方法通过链接选项构建者方法来构造每种类型的实例。

Rust 驱动程序提供以下SearchIndexModel构建器方法：

构建器方法	Parameter Type	说明
`definition()`	`Document`	指定索引定义。如果省略此设置，驾驶员将创建具有动态映射的MongoDB Search索引。
`name()`	`String`	设置索引名称。如果省略此设置，驱动程序会将名称设置为 `default`。
`index_type()`	`SearchIndexType`	设置索引类型。如果省略此设置，驾驶员将默认创建MongoDB Search索引。

要学习；了解有关MongoDB Search字段映射的更多信息，请参阅Atlas文档中的定义字段映射。

要学习；了解有关定义MongoDB Vector Search 索引的更多信息，请参阅Atlas文档中的如何为向量搜索的字段编制索引。

示例模型

以下示例创建一个 SearchIndexModel实例，为名为 search_idx 的索引提供规范。该代码指定了 title 和 released 字段的静态映射：

let def = doc! { "mappings": doc! {
    "dynamic": false,
    "fields": {
        "title": {"type": "string"},
        "released": {"type": "date"}
    }
}};
let idx_model = SearchIndexModel::builder()
    .definition(def)
    .name("search_idx".to_string())
    .index_type(SearchIndexType::Search)
    .build();

以下示例创建一个 SearchIndexModel 实例，以便为名为 vs_idx 的索引提供规范。代码将嵌入路径指定为 plot_embedding，索引 1536 个维度，并使用 "euclidean" 向量相似性函数：

let def = doc! {
    "fields": [{
        "type": "vector",
        "path": "plot_embedding",
        "numDimensions": 1536,
        "similarity": "euclidean",
    }]
};
let idx_model = SearchIndexModel::builder()
    .definition(def)
    .name("vs_idx".to_string())
    .index_type(SearchIndexType::VectorSearch)
    .build();

创建搜索索引

您可以通过在 Collection实例上调用 create_search_index() 方法来在集合上创建MongoDB Search 或MongoDB Vector Search索引。此方法接受在 SearchIndexModel实例中指定的索引模型作为参数。

例子

以下示例在 embedded_movies集合上创建MongoDB搜索索引。该代码创建一个 SearchIndexModel，用于设置索引名称并启用动态映射。然后，代码将 SearchIndexModel实例传递给 create_search_index() 方法以创建MongoDB Search索引：

let idx_model = SearchIndexModel::builder()
    .definition(doc! { "mappings": doc! {"dynamic": true} })
    .name("example_index".to_string())
    .build();
let result = my_coll.create_search_index(idx_model).await?;
println!("Created MongoDB Search index:\n{}", result);

Created MongoDB Search index:
"example_index"

创建多个搜索索引

您可以通过在 Collection实例上调用 create_search_indexes() 方法来创建多个MongoDB Search 和 Vector Search 索引。此方法接受 SearchIndexModel 实例向量作为参数。

例子

此示例将执行以下动作：

创建一个 SearchIndexModel实例，该实例指定名为 as_idx 的MongoDB搜索索引
创建一个 SearchIndexModel实例，该实例指定名为 vs_idx 的MongoDB Vector Search索引
将两个 SearchIndexModel 实例的 vec 传递给 create_search_indexes() 方法
在 embedded_movies集合上创建MongoDB Search 和MongoDB Vector Search 索引

let as_idx = SearchIndexModel::builder()
    .definition(doc! { "mappings": doc! {"dynamic": true} })
    .name("as_idx".to_string())
    .build();
let vs_idx = SearchIndexModel::builder()
    .definition(doc! {
        "fields": [{
            "type": "vector",
            "path": "plot_embedding",
            "numDimensions": 1536,
            "similarity": "euclidean",
        }]
    })
    .name("vs_idx".to_string())
    .index_type(SearchIndexType::VectorSearch)
    .build();
let models = vec![as_idx, vs_idx];
let result = my_coll.create_search_indexes(models).await?;
println!("Created indexes:\n{:?}", result);

Created MongoDB Search indexes:
["as_idx", "vs_idx"]

搜索索引列表

您可以通过调用集合上的 list_search_indexes() 方法访问权限有关集合的现有MongoDB Search 和MongoDB Vector Search 索引的信息。

例子

以下示例访问有关在本页的创建多个搜索索引部分中创建的MongoDB搜索和MongoDB Vector Search 索引的信息。该代码调用list_search_indexes() 方法并打印集合上的MongoDB Search 和MongoDB Vector Search 索引的列表：

let mut cursor = my_coll.list_search_indexes().await?;
while let Some(index) = cursor.try_next().await? {
    println!("{}\n", index);
}

{ "id": "...", "name": "as_idx", "status": "READY", "queryable":
true, "latestDefinitionVersion": {...}, "latestDefinition": {
"mappings": { "dynamic": true } }, "statusDetail": [...] }
{ "id": "...", "name": "vs_idx", "type": "vectorSearch", "status":
"READY", "queryable": true, ..., "latestDefinition": { "fields": [{
"type": "vector", "path": "plot_embedding", "numDimensions": 1536,
"similarity": "euclidean" }] }, "statusDetail": [...] }

提示

要了解有关遍历游标的更多信息，请参阅《使用游标访问数据》指南。

更新搜索索引

您可以通过在 Collection实例上调用 update_search_index() 方法来更新MongoDB Search 或MongoDB Vector Search索引。此方法接受以下参数：

要更新的索引名称
修改索引定义文档

例子

以下示例更新了在本页创建多个搜索索引部分中创建的名为 vs_index 的 Vector Search 索引。该代码创建了一个新的索引定义文档，指示索引使用 "dotProduct" 作为向量相似性函数。然后，代码调用 update_search_index() 方法来更新索引：

let name = "vs_index";
let updated_def = doc! {
    "fields": [{
        "type": "vector",
        "path": "plot_embedding",
        "numDimensions": 1536,
        "similarity": "dotProduct",
    }]
};
my_coll.update_search_index(name, updated_def).await?;

删除搜索索引

您可以通过在 Collection实例上调用 delete_search_index() 方法来删除MongoDB Search 或MongoDB Vector Search索引。此方法接受要删除的索引名称作为参数。

例子

以下示例删除了在此页面的“创建搜索索引”部分中创建的名为的MongoDB搜索索引。代码将索引名称传递给example_indexdelete_search_index() 方法以删除索引：

let name = "example_index";
my_coll.drop_search_index(name).await?;

Overview

注意

样本数据

创建搜索索引模型

注意

实例化模型

示例模型

创建搜索索引

例子

创建多个搜索索引

例子

搜索索引列表

例子

提示

更新搜索索引

例子

删除搜索索引

例子

更多信息

API 文档